BCI中的上下文感知递归贝叶斯图遍历
人机交互
2017-03-09 v1
摘要
无创脑机接口（BCI），更具体地说是用于意图检测的基于脑电图（EEG）的系统，需要补偿 EEG 信号的低信噪比。在许多应用中，来自连续决策的时间依赖性信息和上下文数据可用于为即将到来的决策提供先验概率。在本研究中，我们提出了两种概率图模型（PGM），利用上下文信息和先前观察到的 EEG 证据，在基于图的决策机制中估计决策空间上的概率分布。在此方法中，用户将指针移动到图中所需的顶点，其中每个顶点代表一个动作。为选择顶点，可以使用 Select 命令，或所提出的概率选择准则（PSC）来自动检测用户意图的顶点。在基于图布局的键盘上比较了不同 PGM 与选择准则组合的性能。基于仿真结果，概率选择准则与概率图模型相结合，为校准性能差的个体提供了最高的性能提升，并为校准性能高的个体实现了相同的性能。
引用
@article{arxiv.1703.02938,
title = {Context-Aware Recursive Bayesian Graph Traversal in BCIs},
author = {Seyed Sadegh Mohseni Salehi and Mohammad Moghadamfalahi and Hooman Nezamfar and Marzieh Haghighi and Deniz Erdogmus},
journal= {arXiv preprint arXiv:1703.02938},
year = {2017}
}
备注
This work has been submitted to EMBC 2017